Чтение онлайн

Учитывая все это, давайте еще раз обратимся к противоречивым, на первый взгляд, примерам. Возьмем в качестве примера банку, наполненную разноцветными конфетами драже. Студенты, специально ли или случайно отобранные в одну группу, при решении одной и той же задачи будут использовать разные стратегии. Механизм последующей обработки этих решений прост: преподаватель собирает все расчеты и выводит средний оптимум. Самое важное, чтобы студенты записывали свои предложения, не консультируясь друг с другом, чтобы каждый думал и действовал самостоятельно. (Участники конкурса MATLAB не столько консультировались, сколько воровали друг у друга идеи, но их взаимная изоляция позволяла сохранять разнообразие.)

А теперь давайте рассмотрим пример телевизионной игры, в которой аудитория способна предугадать 90 % ответов. В телевизионной игре под названием-вопросом «Кто хочет стать миллионером?» участники отвечают на 15 вопросов, подобранных по возрастающей сложности. Если удается ответить на все 15 вопросов, они выигрывают $1 млн. К вопросам дается 4 возможных варианта ответов. Сталкиваясь с проблемой, участник может воспользоваться подсказкой. Это может быть звонок другу, обладающему энциклопедическими знаниями, или помощь зала. «Эксперты» превосходно справляются со своей работой, предлагая 65 % правильных ответов. Но зал ушел далеко вперед, угадав правильный ответ в 91 % случаев.

Это впечатляет. Это намного лучше, чем результат, который показывают самые лучшие игроки. Казалось бы, чем не доказательство того, что группа лучше самого умного человека. Но на самом деле это простая арифметическая функция. Даже если небольшое количество отдельных личностей знают правильный ответ, группа предскажет точный ответ. Пейдж писал, что это происходит потому, что «ошибки исключают друг друга, а правильные ответы, как сливки, сами всплывают на поверхность». Это можно легко продемонстрировать. Воспользуемся реальным примером из шоу. Где можно встретить шерпов и гуркхов? (A) Непал, (B) Марокко, (C) Эквадор или (D) Россия. Если только 4 % аудитории знает, что правильный ответ (A) Непал, можно считать, что остальная часть аудитории будет отвечать случайно. Результат будет следующим – 24 % аудитории будет считать, что это Марокко, 24 % – Эквадор и 24 % – Россия. Но 28 % скажут, что это Непал.

Естественно, разница между угадыванием ответа на простой вопрос и улучшением алгоритма в 1000 раз есть, и немалая. Пусть последний из приведенных примеров и не впечатляет, но и он бросает вызов безусловной вере в силу интеллектуальных способностей.

На первый взгляд компания MATLAB, казалось бы, привлекает в основном программистов с качествами группы «Менса». Другими словами, участники сами решают, участвовать им или нет, исходя из собственных знаний и практических навыков в решении определенной проблемы. Конечно, в конкурсе участвуют и лучшие программисты из Mathworks, но и кодировщики «со стороны» за годы пользования этим компьютерным языком обучились тем же трюкам, что и программисты компании. И именно начинающие кодировщики, которые вынуждены искать свои собственные обходные пути, совершают огромные когнитивные скачки, которые позволяют улучшить первоначальное решение. Если великие умы мыслят одинаково, а в большинстве своем так и есть, это означает, что они на самом деле составляют один разум. А, как выразился Пейдж, «две головы не лучше, чем одна, если в них одни и те же мозги». Разнообразие группы приводит к использованию различных методов при решении одной и той же проблемы. Конечно, применить подобный подход к решению проблем реального мира гораздо сложнее, чем при составление маршрута гипотетического коммивояжера, но это уже тема следующей главы54.

В конце осени 2004 г. Карим Лакхани из Школы менеджмента им. А. Слоана Массачусетского технологического института страдал от недуга, довольно распространенного среди молодых ученых: он устал от бесконечных исследований. «Я достиг того момента, когда у меня просто не оставалось времени на собственную диссертацию», – вспоминает Лакхани. Его диссертация была посвящена внедрению инноваций в ОПО, но после четырех лет трудов он почувствовал, что смертельно устал. Настало время взять отпуск. «Я бросил все и принялся за книгу Нила Стивенсона “Барочный цикл” (Baroque cycle)». Трилогия Стивенсона – историческая беллетристика о Европе эпохи Просвещения. Она оказала на Лакхани сильное воздействие. «В ней описывалось становление Королевского общества, рассвет эпохи рационального мышления, история систем счисления». Для К. Лакхани «Барочный цикл» был увлекательным рассказом об инновациях.

Лакхани очень заинтересовала одна из историй, содержавшихся в «Барочном цикле». Стивенсон описал историю «долготного» приза. В 1714 г. британский парламент предложил lb20 000 (примерно $12 млн по нынешнему курсу) любому, кто предложит надежный способ определения долготы на парусных судах. Проблема была очень актуальной для королевского флота и была причиной регулярной потери кораблей, торговых грузов. Все это било по государственной казне. «Великие умы науки того времени, включая Исаака Ньютона, пытались создать такое устройство, но никто из них не добился успеха», – заметил К. Лакхани. Решение было найдено столяром из Йоркшира Джоном Гаррисоном. Он знал, что если перед выходом в море настроить точные часы по местному времени и взять их с собой, то во время плавания, определив по солнцу местное время, можно легко вычислить долготу местоположения судна. Так появился первый хронограф, который работал с высокой точностью даже в суровых условиях океанских путешествий. «Я прочитал это и подумал: “Хм, это очень похоже на ОПО. Кто-нибудь сообщает о проблеме, появляются разные странные люди, которые говорят, что у них есть решение. В конце концов, правильное решение находит человек, от которого вы этого совсем не ожидали”». «Долготный» приз – самый ранний из известных примеров краудкастинга: английский парламент, выпуская специальный билль, сообщил широкой аудитории о проблеме в слепой надежде, что кто-то где-то – возможно, даже столяр из Йоркшира – найдет ее решение.

Карим Лакхани продолжил работу над диссертацией, но теперь стал рассматривать вопрос инноваций в более широком смысле. В один прекрасный день он услышал об ученых, сотрудничающих с InnoCentive, и подумал: «Не современная ли это версия “долготного” приза? «Я созвонился с некоторыми из них и сказал, что хочу побольше узнать о том, как им удалось решить поставленные задачи. Они были в восторге». Лакхани скооперировался с коллегой из Копенгагенской школы бизнеса, парой ученых из InnoCentive, и в течение следующего года они проанализировали 166 научных задач, которые исследовательские отделы 26 фирм не смогли решить самостоятельно и передали на краудсорсинг. Летом 2007 г. ученые опубликовали результаты своей работы «под маркой» Гарвардской школы бизнеса. Выводы «группы Лакхани» противоречили всему, что писали до них предыдущие поколения ученых. Правда, йоркширского столяра Джона Гаррисона, будь он жив, они бы не удивили. Это было яркое подтверждение вывода С. Пейджа о том, что «многообразие берет верх над талантом»: люди, от которых ожидали решения проблемы, как правило, только усугубляли ситуацию.

Будущее любого корпоративного отдела по исследованиям и разработкам можно увидеть в городке Барри в Канаде. Здесь Эд Мелкарек, один из самых успешных «решателей» компании InnoCentive, содержит свою «ночлежку на выходные» – однокомнатную квартиру, больше похожую на склад старьевщика, в котором можно увидеть гитару, усилители, звукосниматели, два «убитых» компьютера, трубу, старую надувную лодку и кучу разных электронных вещиц из интернет-магазина RadioShack. Почти каждую субботу Мелкарек приходит сюда, наливает немного французского бренди Saint Remy, закуривает сигарету «John Player» и берется решать задачи, которые поставили в тупик лучших корпоративных ученых, работающих на компании из списка Fortune 500.

«Толпа» объединяет людей самых разных способностей, отдельные личности даже обладают научным талантом, опытом преподавательской работы. Компании, думающие хотя бы на шаг вперед, стараются привлекать этот интеллектуальный капитал и как следствие меняют принятые подходы к процессу исследовательской работы и развития в целом. Белые лабораторные халаты постепенно «выбывают из игры», наступает «пора Мелкареков», который, как и Джорджиа Сгаргетта, является представителем армии из 140 000 постоянных участников проекта InnoCentive. Фармацевтическая компания Eli Lilly, запуская его в 2001 г., рассчитывала воспользоваться «свободной» интеллектуальной рабочей силой в собственных целях. Однако InnoCentive «распахнула свои двери» и другим фирмам, желавшим получить доступ к сети независимых профессиональных экспертов. Сегодня свои самые сложные научные задачи на решение в сеть InnoCentive отправляют такие компании, как Boeing, DuPont, Procter & Gamble. И каждый, у кого под рукой есть компьютер, может испытать удачу. Компании обычно выплачивают от $10 000 до $100 000. за принятое решение (естественно, еще они платят определенную комиссию за услуги и InnoCentive). Джил Панетта, главный научный сотрудник компании InnoCentive, говорит, что более 30 % задач, поступивших в их сеть, нашли свое решение, и это «на 30 % больше, чем можно было бы решить, используя традиционный внутрифирменный подход».

«Каждый, с кем я беседовал на тему исследований и разработок, сталкивался со схожими проблемами, – говорит Ларри Хьюстон, вице-президент отдела инноваций Procter & Gamble. – Год за годом бюджетные расходы на исследования возрастают быстрее, чем прибыль от продаж. Существующая модель перестает удовлетворять компании». P&G – один из первых и лучших клиентов InnoCentive. При этом компания пользуется и другими сетями краудсорсинга. YourEncore, к примеру, позволяет компаниям находить и нанимать для выполнения одноразовых заданий специалистов, вышедших на пенсию. NineSigma, онлайн-биржа идей, по запросам компаний подбирает тех или иных специалистов и сводит их. «Люди ошибаются, принимая такой подход за аутсорсинг. Это, несомненно, не одно и то же, – говорит Хьюстон. – Аутсорсинг – это когда я нанимаю кого-нибудь для предоставления мне услуг; человек выполняет свои обязательства, и на этом наши отношения прекращаются. В данном же случае мы говорим об удаленном вовлечении специалистов их в процесс сотрудничества».

Несмотря на то что большинство участников проекта InnoCentive – ученые в прямом смысле этого слова, среди них есть энтузиасты, работающие в легендарных «гаражах». Как, например, студент из Университета Далласа, придумавший вещество, которое можно использовать при реставрации предметов искусства. Или дипломированный адвокат из Северной Каролины, разработавший новый способ смешения больших объемов химических компонентов. Или как Эд Мелкарек, эксцентричный инженер-электрик, «лаборатория» которого одновременно служит еще и складом, и музыкальной студией. Мелкарек «выбивает почву из-под ног» у штатных исследователей компании Colgate-Palmolive. Огромная компания искала способ, который позволил бы вводить порошкообразный фтор в тюбики с зубной пастой и при этом он не рассеивался в воздухе. Решение созрело в голове у Мелкарека еще до того, как он закончил читать описание поставленной задачи: процесс должен проходить под воздействием электрического поля. Тогда положительно заряженные частицы фтора будут заполнять тюбики не распыляясь.